人工智能的过去、现在和未来

人工智能改变我们工作方式的潜力是无穷的,但我们距离这一目标还有很长的路要走,需要仔细的规划和考虑。  人工智能 (AI) 的持续扩张速度是前所未有的,特别是自 2022 年 GenAI 进入市场以来。 如今,人工智能的工作速度远远快于人类的产出,这也是这项技术对专注于精简运营、提高生产率和成本效率的领导者如此有吸引力的原因。

人工智能改变我们工作方式的潜力是无穷的,但我们距离这一目标还有很长的路要走,需要仔细的规划和考虑。 

人工智能 (AI) 的持续扩张速度是前所未有的,特别是自 2022 年 GenAI 进入市场以来。如今,人工智能的工作速度远远快于人类的产出,这也是这项技术对专注于精简运营、提高生产率和成本效率的领导者如此有吸引力的原因。但对于那些认为人工智能是一种较新的现象的人来说,你错了,网络安全已经利用了人工智能几十年,而且这一趋势近年来还在加速。人工智能现在出现在大量网络安全工具中,有助于增强威胁检测、响应和整体系统安全性,其悠久的历史可以追溯到 1950 年代。

思考机器的可能性

1956 年,达特茅斯学院数学教授约翰·麦卡锡邀请一小群研究人员参加一个为期一夏的研讨会,重点研究“思考机器”的可能性,他们因此被认为是人工智能领域的创始人。随后,在 60、70 和 80 年代开展了许多研究和项目,但直到 90 年代末,该领域才获得了更多的研发资金,取得了重大飞跃,使第一辆无人驾驶汽车成为现实。

大约在这个时候,IBM 的计算机系统“深蓝”在决赛中仅用 19 步就击败了国际象棋世界冠军加里·卡斯帕罗夫。虽然“深蓝”不具备当今生成式人工智能的功能,但它的处理速度却比人类快得多。

但可以说,当苹果于 2010 年推出 Siri,亚马逊于 2014 年推出 Alexa 时,人工智能才更全面地进入了消费者的意识,这些新的虚拟助手具有自然语言处理 (NLP) 功能,可以理解口头问题并做出回答。Siri 和 Alexa 都基于人工智能、机器学习和 NLP 技术,它们的后端通过云端的频繁更新不断改进。当然,2022 年,OpenAI 推出了 ChatGPT,剩下的,正如他们所说,就是历史了。

现实与预期不符

然而,尽管 GenAI 在 AI 领域备受关注,但该技术尚未为大多数组织带来预期的商业价值。GenAI 的炒作可能会导致 AI 领导者难以确定强大的用例,这不必要地增加了复杂性并增加了失败的可能性。

据 Gartner 称,GenAI 已经度过了其同名炒作周期中的膨胀预期高峰,到 2024 年底,价值将从基于熟悉的 AI 技术的项目中获得,这些项目无论是独立的还是与 GenAI 结合的,都有标准化的流程来帮助实施。

AI 重置正在进行中

毫无疑问,技术和安全团队在 2024 年进行了试验并吸取了一些宝贵的经验教训。企业的各个角落都在进行人工智能试点,而宏观经济市场趋势在全年都使一些长期战略发生了偏差。展望 2025 年,随着领导者考虑如何将经验教训转化为利润,人工智能将进入一个新阶段。成功的人会深思熟虑,在短期胜利与长期基础改进之间取得平衡。

2025 年,一些试验肯定会继续,但如上所述,技术和安全领导者将专注于将经验教训付诸实践。然而,经过一段时间的试点和试验后,展示投资回报的巨大压力将迫使一些领导者仓促部署并做出可能让他们付出高昂代价的过早决定。

领导者意识到投资回报所需的时间将比他们预期的要长,因此他们正转向务实地随着时间的推移实现投资回报。在 Forrester 的 2024 年第二季度 AI Pulse 调查中,49% 的美国生成 AI 决策者表示,他们的组织预计 AI 投资将在一到三年内实现回报,44% 的人表示将在三到五年内实现回报。对 AI 投资回报的不耐烦可能会促使企业过早缩减投资,这可能会使他们处于长期劣势。相反,我会鼓励 AI 领导者制定符合其商业模式和愿望的稳健战略。 

我们在网络安全自动化方面看到了类似的趋势,在三到四年的时间里,它沿着 Gartner 炒作周期发展,并落在了可以发现价值的特定用例上,并且对结果的信任度也增加了。

未来人工智能浪潮将有自己的周期

我在上一篇文章中谈到了下一波人工智能可能是“SynthAI”。到目前为止,生成式人工智能应用主要关注信息的发散。也就是说,它们根据一组指令创建新内容。在未来的人工智能浪潮中,将有更多的人工智能应用来聚合信息。换句话说,它们将通过合成可用信息向我们展示更少但更相关的内容。SynthAI 将提高决策的质量和速度,即使不能真正做出决策。这里最明显的应用是总结人类无法直接消化的大量信息。未来 SynthAI 的真正价值将在于帮助人类更快地做出更好的决策。

SynthAI 最能发挥作用的用例是:数据量巨大,以至于人类无法手动筛选所有信息。以及信噪比很高,以至于主题或见解不明显且不一致。

最终,人工智能改变我们工作方式的潜力是无穷无尽的,但我们距离这一目标还有一段距离,经过几年的试验,我们需要仔细规划和考虑。我坚信,B2B 应用中 GenAI 需要发展到不仅仅是创造更多内容,而是能够让我们更好、更快地完成工作的 SynthAI。但我建议谨慎使用人工智能,或者为人工智能设置护栏,并明确关注如何在 2025 年及以后获得多年的投资回报。

相关资讯

矩阵元获批“上海市分布式隐私人工智能技术创新中心”

近日,上海市科学技术委员会发布了《关于2020年度上海市技术创新中心建设立项的通知》,为贯彻落实《关于进一步深化科技体制机制改革 增强科技创新中心策源能力的意见》,推进重点产业领域技术创新,经专家评审论证,确定将“上海市特种数控装备技术创新中心”等18家技术创新中心列入2020年度上海市技术创新中心建设立项计划。矩阵元全资子公司上海阵方科技有限公司将承担“上海市分布式隐私人工智能技术创新中心”的建设工作。党的十九届四中全会提出将数据与资本、土地、知识、技术和管理并列作为可参与分配的生产要素,这体现出数据在国民经济运

对于化学家来说,人工智能革命尚未发生?

编辑 | 绿萝许多人担心 AI 已经走得太远,或者有走得太远的风险。拥有「AI 教父」之称的杰弗里·辛顿(Geoffrey Hinton)最近辞去了谷歌副总裁的职务,理由是希望不受约束地公开谈论 AI 对社会和人类福祉的潜在风险。但是,与这些大局的担忧相反,在许多科学领域,你会听到一种不同的沮丧情绪在悄悄地表达:AI 还没有走得足够远。其中一个领域是化学,机器学习工具有望在研究人员寻找和合成有用的新物质的方式上掀起一场革命。但大规模革命尚未发生——因为缺乏可用于「投喂」人工智能系统的数据。任何 AI 系统的好坏取决

北京:推进数字疗法、AI 辅助治疗等产品研发应用,支持医疗大模型开发、落地

北京市人民政府办公厅今日印发《北京市加快医药健康协同创新行动计划(2024-2026 年)》,提到人工智能技术、大模型、算力等一系列内容。IT之家汇总部分重点任务:实施医疗大数据共享与应用。建设全市共享的门急诊、住院、体检、科研等电子病历体系。推动标准化、信息化临床研究数据共享,明确数据脱敏标准,打通医院之间数据链接。推动检验结果、医疗影像在全市三级医院实现互联互通互认。推动医院开展医疗大数据的登记、评估、流通,拓展在创新研发端应用。推动临床样本数字化管理使用。建立面向全市开放、充分保护隐私的临床样本共享信息系统和